การขับขี่อัตโนมัติ – ชุดข้อมูลพฤติกรรมผู้ขับขี่ภายในรถยนต์
ปรับปรุงโมเดล AI ด้วยภาพเครื่องจักรอุตสาหกรรมและชุดข้อมูลวิดีโอที่ดีที่สุดในระดับเดียวกัน
กรณีศึกษา:การขับขี่อัตโนมัติ / รถยนต์เพื่อการพาณิชย์
รูปแบบ:รูปภาพ
จำนวน: 9,612
หมายเหตุ:ไม่
คำอธิบาย:โครงการรวบรวมข้อมูลภายในรถยนต์: ชุดข้อมูลภาพ - การวิเคราะห์พฤติกรรมผู้ขับขี่
กรณีศึกษา:การขับขี่อัตโนมัติ / รถยนต์เพื่อการพาณิชย์
รูปแบบ:วิดีโอ
จำนวน: 48,022
หมายเหตุ:ไม่
คำอธิบาย:ชุดข้อมูลวิดีโอรถยนต์ที่เสียหาย (เล็กน้อย) วิดีโอเดินชมรอบรถแบบ 360 องศา
กรณีศึกษา:การขับขี่อัตโนมัติ / รถยนต์เพื่อการพาณิชย์
รูปแบบ:รูปภาพ
จำนวน: 8,014
หมายเหตุ:ไม่
คำอธิบาย:ชุดข้อมูลป้ายทะเบียนรถยนต์ (สหรัฐอเมริกา แคนาดา เม็กซิโก) ที่ได้รับการระบุรายละเอียดตามข้อกำหนดของลูกค้า
กรณีศึกษา:การขับขี่อัตโนมัติ / รถยนต์เพื่อการพาณิชย์
รูปแบบ:รูปภาพ
จำนวน: 3,000
หมายเหตุ:ไม่
คำอธิบาย:ชุดข้อมูลภาพป้ายทะเบียนรถยนต์ (สหรัฐอเมริกา) ประกอบด้วยภาพรถยนต์หลากหลายประเภทที่มีป้ายทะเบียนปรากฏให้เห็น ซึ่งสนับสนุนการขับขี่อัตโนมัติ การตรวจสอบการจราจร และแอปพลิเคชันด้านคอมพิวเตอร์วิชั่น เช่น การตรวจจับและการจดจำป้ายทะเบียน
กรณีศึกษา:ชุดข้อมูลการระบุจุดสำคัญของรถยนต์
รูปแบบ:รูปภาพ
จำนวน: 25
คำอธิบาย:ใช่
คำอธิบาย:ชุดข้อมูล "การระบุจุดสำคัญของรถยนต์" ถูกออกแบบมาสำหรับการใช้งานในด้านความบันเทิงทางภาพและการขับขี่อัตโนมัติ โดยรวบรวมภาพจากอินเทอร์เน็ตที่มีความละเอียด 640 x 512 พิกเซล ชุดข้อมูลนี้ใช้กรอบสี่เหลี่ยมเพื่อระบุรถยนต์เป้าหมาย และระบุจุดสำคัญ 14 จุดบนรถแต่ละคัน รวมถึงจุดสูงสุดสี่จุด ไฟสี่ดวง ล้อสี่ล้อ และบริเวณกระจกด้านหน้าและด้านซ้าย ซึ่งให้ข้อมูลโดยละเอียดสำหรับงานสร้างแบบจำลองและการจดจำรถยนต์
กรณีศึกษา:ชุดข้อมูลการแบ่งส่วนชิ้นส่วนบอร์ดที่เสียหาย
รูปแบบ:รูปภาพ
จำนวน: 1,000
คำอธิบาย:ใช่
คำอธิบาย: "ชุดข้อมูลการแบ่งส่วนชิ้นส่วนแผ่นไม้ที่เสียหาย" เป็นชุดข้อมูลเฉพาะทางที่ออกแบบมาสำหรับภาคการผลิต โดยเฉพาะอย่างยิ่งในการผลิตไม้และแผ่นไม้ ชุดข้อมูลนี้รวบรวมภาพจากอินเทอร์เน็ตที่มีความละเอียดสูงตั้งแต่ 3024 x 4032 ถึง 2048 x 5750 พิกเซล ชุดข้อมูลนี้เน้นการแบ่งส่วนเชิงความหมายของความเสียหายประเภทต่างๆ บนแผ่นไม้ รวมถึงรอยแตก ความเสียหายจากแมลง และการผุพัง ซึ่งช่วยในการควบคุมคุณภาพและกระบวนการผลิต
กรณีศึกษา:กระบวนการเรียกร้องค่าสินไหมทดแทนจากบริษัทประกันภัย
รูปแบบ: avi, mkv, mov, mp4, mp5
จำนวน: 48366
หมายเหตุ:ไม่
คำอธิบาย:วิดีโอเดินรอบรถ 360 องศาที่มีความเสียหาย โดยแสดงภาพด้านบนและด้านล่างของรถอย่างสม่ำเสมอ ความเสียหาย: รอยขีดข่วน รอยบุบ รอยแตก หรือรอยร้าวที่มีขนาดใหญ่กว่าลูกกอล์ฟ ความเสียหายที่แผงด้านนอก: กันชน บังโคลน แผงด้านข้าง ประตู ฝากระโปรง และฝากระโปรงท้าย สถานที่: เอเชีย สหรัฐอเมริกา แคนาดา และยุโรป
อุปกรณ์บันทึกภาพ:กล้องมือถือ
เงื่อนไขการบันทึก:สภาพแสงผสม
กรณีศึกษา:กระบวนการเรียกร้องค่าสินไหมทดแทนจากบริษัทประกันภัย
รูปแบบไฟล์: .jpg
จำนวน: 3958
คำอธิบาย:ใช่
คำอธิบาย:รถยนต์กว่า 490 คัน และภาพถ่ายรถยนต์ 3958 ภาพ พร้อมคำอธิบายประกอบ (และข้อมูลเมตา) ของรถยนต์ที่เสียหาย ครอบคลุมทุกด้านของรถยนต์ (8 ภาพต่อคัน) - กรณีศึกษาการใช้งานในกระบวนการเรียกร้องค่าสินไหมทดแทนจากบริษัทประกันภัย
อุปกรณ์บันทึกภาพ:กล้องมือถือ
เงื่อนไขการบันทึก:สภาพแสงผสม
กรณีศึกษา:การจำแนกประเภทเปลวไฟในการถลุงโลหะในอุตสาหกรรม
รูปแบบ:รูปภาพ
จำนวน: 41
คำอธิบาย:ใช่
คำอธิบาย: "ชุดข้อมูลการจำแนกประเภทเปลวไฟการถลุงโลหะในอุตสาหกรรม" ออกแบบมาสำหรับภาคอุตสาหกรรม โดยรวบรวมภาพเปลวไฟการถลุงโลหะจากอินเทอร์เน็ตทั้งหมดมีความละเอียด 350 x 350 พิกเซล ชุดข้อมูลนี้มีไว้สำหรับการจำแนกประเภทภาพเปลวไฟออกเป็น 10 ประเภท ได้แก่ การเปิดรับแสงมากเกินไป ควันดำ มวลไฟ ประกายไฟ และความรุนแรงต่างๆ ของการกระเด็นและกระจายของตะกรัน ซึ่งให้ข้อมูลที่สำคัญสำหรับการตรวจสอบและเพิ่มประสิทธิภาพกระบวนการถลุงโลหะ
กรณีศึกษา:ชุดข้อมูลการแบ่งส่วนข้อบกพร่องของชิ้นส่วนเครื่องจักร
รูปแบบ:รูปภาพ
จำนวน: 120
คำอธิบาย:ใช่
คำอธิบาย:ชุดข้อมูล "การแบ่งส่วนข้อบกพร่องของชิ้นส่วนเครื่องจักร" ออกแบบมาสำหรับอุตสาหกรรมการผลิต ประกอบด้วยภาพที่รวบรวมจากอินเทอร์เน็ตทั้งหมดมีความละเอียด 1000 x 1000 พิกเซล ชุดข้อมูลนี้เน้นการแบ่งส่วนแบบไบนารีเพื่อระบุข้อบกพร่องสีขาวบนชิ้นส่วนเครื่องจักร พร้อมคำอธิบายประกอบที่ชัดเจนซึ่งเน้นพื้นที่ที่น่าเป็นห่วงสำหรับกระบวนการควบคุมคุณภาพและการตรวจสอบ
กรณีศึกษา:ชุดข้อมูลการแบ่งส่วนชิ้นส่วนเครื่องจักร
รูปแบบ:รูปภาพ
จำนวน: 2.3
คำอธิบาย:ใช่
คำอธิบาย: "ชุดข้อมูลการแบ่งส่วนชิ้นส่วนเครื่องจักร" ถูกออกแบบมาสำหรับภาคการผลิต โดยรวบรวมภาพจากอินเทอร์เน็ตที่มีความละเอียด 2048 x 1536 พิกเซล ชุดข้อมูลนี้มีความเชี่ยวชาญในการแบ่งส่วนเชิงความหมาย การระบุรูปหลายเหลี่ยม และการระบุจุดสำคัญ โดยเน้นการระบุเส้นขอบของตำแหน่งการตัดเฉือนภายในภาพเอ็กซ์เรย์ของชิ้นส่วนเครื่องจักร ซึ่งช่วยให้การวิเคราะห์และการตรวจสอบในกระบวนการผลิตมีความแม่นยำยิ่งขึ้น
กรณีศึกษา:ชุดข้อมูลการติดป้ายเส้นทางรถไฟ
รูปแบบ:รูปภาพ
จำนวน: 3
คำอธิบาย:ใช่
คำอธิบาย: "ชุดข้อมูลการติดป้ายเส้นทางรถไฟ" ถูกออกแบบมาเพื่อใช้งานในอุตสาหกรรม โดยรวบรวมภาพจากอินเทอร์เน็ตที่มีความละเอียด 1920 x 1080 พิกเซล ชุดข้อมูลนี้มีความเชี่ยวชาญในการติดป้ายเส้นทางรถไฟอย่างละเอียด รวมถึงทางเลี้ยวและทางแยก โดยใช้การระบุด้วยรูปหลายเหลี่ยม นอกจากนี้ รถไฟในภาพเหล่านี้ยังถูกติดป้ายด้วยกรอบสี่เหลี่ยม ชุดข้อมูลนี้เน้นเฉพาะเครือข่ายรถไฟที่รวบรวมจากเมืองอู่ฮั่น ซึ่งให้บริบทเฉพาะพื้นที่สำหรับการวิเคราะห์เส้นทางรถไฟและการตรวจจับรถไฟ
เราใช้คุกกี้เพื่อปรับปรุงประสบการณ์ของคุณบนไซต์ของเรา โดยการใช้ไซต์ของเรา คุณยินยอมให้ใช้คุกกี้
จัดการการตั้งค่าคุกกี้ของคุณด้านล่าง:
คุกกี้ที่จำเป็นต้องใช้งานฟังก์ชั่นพื้นฐานและจำเป็นสำหรับการทำงานที่เหมาะสมของเว็บไซต์
Google Tag Manager ช่วยให้การจัดการแท็กการตลาดบนเว็บไซต์ของคุณง่ายขึ้น โดยไม่ต้องแก้ไขโค้ด
คุกกี้สถิติรวบรวมข้อมูลโดยไม่ระบุตัวตน ข้อมูลนี้ช่วยให้เราเข้าใจว่าผู้เยี่ยมชมใช้เว็บไซต์ของเราอย่างไร
Google Analytics เป็นเครื่องมืออันทรงพลังที่ติดตามและวิเคราะห์ปริมาณการเข้าชมเว็บไซต์เพื่อการตัดสินใจทางการตลาดอย่างรอบรู้
URL ของบริการ: policies.google.com (เปิดในหน้าต่างใหม่)
คุกกี้การตลาดใช้เพื่อติดตามผู้เยี่ยมชมเว็บไซต์ จุดประสงค์คือเพื่อแสดงโฆษณาที่เกี่ยวข้องและดึงดูดความสนใจของผู้ใช้แต่ละราย
Google Ads คือแพลตฟอร์มโฆษณาออนไลน์ที่ช่วยให้ธุรกิจต่างๆ สามารถสร้างโฆษณาแบบกำหนดเป้าหมายซึ่งจะแสดงบนผลการค้นหาของ Google และเว็บไซต์พันธมิตรได้
URL ของบริการ: policies.google.com (เปิดในหน้าต่างใหม่)
คุณสามารถดูข้อมูลเพิ่มเติมได้ในนโยบายคุกกี้และนโยบายความเป็นส่วนตัว ของ เรา